元学习第9页

狗都能看懂的Meta-SGD原理讲解和代码实现

Meta-SGD:元学习优化器一、前言对于孤立地、从零开始学习每个任务的学习算法来说，few-shotlearning具有挑战性。

热血厨师长·2023-01-04 14:20

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks相关

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

TBYourHero·2023-01-03 14:50

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)简析

什么是元学习？元学习(meta-learning)已经有很多定义了，最常见的就是学习学习，即learningtolearn。

薛定谔的哆啦B梦·2023-01-03 13:40

元学习第一步：下载数据集（Omniglot）以及代码修正和详解

数据集Omniglot下载地址：https://gitcode.net/mirrors/brendenlake/omniglot?utm_source=csdn_github_acceleratorOmniglot数据集由50种字母表（每种字母表的字符数不同），每种字母表包括不同字符，比如常见的Latin拉丁字母表即abcdefg，共26个字母，还有韩语，日语，共1623种字符，每个字符又是有20

想毕业的牛马·2023-01-03 12:12

元学习与小样本学习 | (2) Few-shot Learning 综述

原文地址分类非常常见，但如果每个类只有几个标注样本，怎么办呢？笔者所在的阿里巴巴小蜜北京团队就面临这个挑战。我们打造了一个智能对话开发平台——DialogStudio，以赋能第三方开发者来开发各自业务场景中的任务型对话，其中一个重要功能就是对意图进行分类。大量平台用户在创建一个新对话任务时，并没有大量标注数据，每个意图往往只有几个或十几个样本。面对这类问题，有一个专门的机器学习分支——Few-sh

CoreJT·2023-01-02 14:41

元学习方法介绍

2020-01-2522:57:55人工智能的一个基本问题是它无法像人类一样高效地学习。许多深度学习分类器显示了超人的表现，但需要数百万个训练样本。知识不共享，并且每个任务都独立于其他任务进行训练。在本文中，我们将该研究问题，然后检查一些建议的解决方案。问题与人类相比，大多数最先进的深度学习方法都有两个关键的弱点：样本效率：深度学习的样本效率很差。例如，为了识别数字，我们通常每个数字需要6000个

喜欢打酱油的老鸟·2023-01-02 10:07

SLAM十四讲课后习题解答

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

TBYourHero·2023-01-01 17:25

《神经网络与深度学习》-模型独立的学习方式

模型独立的学习方式1.集成学习1.1AdaBoost算法2.自训练和协同训练2.1自训练2.2协同训练3.多任务学习4.迁移学习4.1归纳迁移学习4.2转导迁移学习5.终身学习6.元学习6.1基于优化器的元学习

你电吴彦祖·2023-01-01 09:24

【文献阅读】不同工作条件下一种基于小样本元学习用于轴承故障诊断的新方法

Anovelmethodbasedonmeta-learningforbearingfaultdiagnosiswithsmallsamplelearningunderdifferentworkingconditions不同工作条件下一种基于小样本元学习用于轴承故障诊断的新方法近来

搬砖小孩Superme·2023-01-01 08:15

【原型网络】Prototypical Networks for Few-shot Learning

我们提供的分析表明，与最近涉及复杂架构选择和元学习的方法相比，一些简单的设计决策可以产生

一只瓜皮呀·2023-01-01 08:44

LIST: LITE SELF-TRAINING MAKES EFFICIENT FEW-SHOT LEARNERS

我们将自我训练与元学习结合起来，重新加权有噪声的pseudo-promptlabels，但是传统的自监督训练更新权重参数非常昂贵。因此，使用第二种轻量微调，

Tsukinousag1·2022-12-30 07:13

基于元学习和人机协同的端到端对话模型

DialogStudio是达摩院NLP-小蜜ConversationalAI团队研发的面向开发者的智能对话开发平台，目前已经在云（多省市政务12345热线、中移动10086、金融、医疗等）、钉钉（通过钉钉官方智能工作助理服务几百万企业）、集团内（淘宝优酷等十几个BU）、淘宝天猫商家以及Lazada东南亚6国大规模应用。为了应对疫情，基于DialogStudio紧急开发的智能疫情外呼机器人，截止3月

阿里云云栖号·2022-12-30 05:34

【论文笔记】Effective Policy Adjustment via Meta-Learning for Complex Manipulation Tasks

HER算法提升智能体在稀疏奖励环境下的探索能力MAML元学习算法能够在新任务下通过快速调整参数，提升其在利用环境下能力HER+MAML方法可以加速新任务下策略的微调

Ctrl+Alt+L·2022-12-29 07:32

论文阅读 6 | Bayesian Meta-Learning for the Few-Shot Setting via Deep Kernels

基于深度核的少样本设置的贝叶斯元学习摘要1简介1.1动机2背景2.1Few-shotLearning2.2Kernels3方法说明3.1回归3.2分类4相关工作5实验5.1回归5.2分类5.3跨域分类6

♡来年秋风起♡·2022-12-29 01:28

论文阅读笔记《PARN: Position-Aware Relation Networks for Few-Shot Learning》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种基于度量学习的小样本学习算法（PARN）。

深视·2022-12-28 23:56

【小样本基础】异质图上的元学习模型：调参记录

BatchSize参数爆炸，占用cpu资源过多时，可以适当调小batchsizeloss震荡，可以增大batchsize将batchsize从5增加到50之后，明显平滑learningRate训练过程中loss和acc抖动很厉害，此时可以考虑将学习率从调小到0.001Epoch当模型已经收敛时（acc不在增加，loss不再减少时），为了加快模型的训练速度，可以适当降低epoch。当模型在所有的ep

vector<>·2022-12-28 15:38

元学习、迁移学习、对比学习、自监督学习与少样本学习的关系解读

文章目录前言一、对比自监督学习与FSL1.对比学习与自监督学习2.自监督学习与FSL二、元学习与FSL1.元学习是什么2.元学习与FSL三、迁移学习与FSL1.迁移学习2.迁移学习与FSL总结前言本人的研究方向是少样本图像分类

辣椒油li·2022-12-28 07:53

元学习在小样本学习任务中的应用

0、前言本博文参考论文《Improvingmeta-learningmodelviameta-contrastiveloss》讲述元学习在小样本学习中的应用，并在小样本学习的设定下，对学习所得的元知识进行正则化

机器猫001·2022-12-27 21:47

【NeurIPS&&知识图谱】联邦环境下，基于元学习的图谱知识外推（阿里&浙大&含源码）

来源:AINLPer微信公众号（每日论文干货分享！！）编辑:ShuYini校稿:ShuYini时间:2022-09-27引言知识图谱（KGs）目前被广泛应用，但不论是传统的KGs和新建的KGs都会存在不完整的问题。虽然知识图谱嵌入(KGE)可以解决该类问题，但是新兴的KG往往伴随着新的关系和实体，在已有KG上训练的KGE模型，是不能应用于在新建KG上去获取这些看不到的实体和关系的。为此本文引入了元

AINLPer·2022-12-27 14:09

论文阅读笔记《Generating Classification Weights with GNN Denoising Autoencoders for Few-Shot Learning》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种采用图神经网络GNN的小样本学习算法，本质上还是一种学习参数更新策略的元学习算法，使得模型参数能够根据在基础数据集上得到的模型和少量的新样本进行更新

深视·2022-12-24 20:23

论文那些事—Meta Gradient Adversarial Attack

MetaGradientAdversarialAttack（ICCV2021，MGAA）1、摘要受元学习思想的启发，本文提出了一种新的体系结构元梯度对抗攻击(MetaGradientAdversarialAttack

凉茶i·2022-12-23 21:24

【论文阅读】APANet: Adaptive Prototypes Alignment Network for Few-Shot Semantic Segmentation

论文地址：https://arxiv.org/abs/2111.12263论文代码：－本文目录文章目录本文目录1.前言1.1深度学习与数据量1.2语义分割1.3元学习1.4小样本分割1.5小样本分割目前存在的问题

qq_43124103·2022-12-21 12:38

Learning to Compare: Relation Network for Few-Shot Learning||论文阅读

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

TBYourHero·2022-12-21 12:30

Learning to Compare: Relation Network for Few-Shot Learning 论文笔记

元学习（me

头柱碳只狼·2022-12-21 12:59

读论文：Learning to Compare: Relation Network for Few-Shot Learning

在元学习过程中，它学习学习一个深度距离度量来比较插曲中的少量图像，每个图像都被设计用来模拟少数镜头设置。

elkluh·2022-12-21 12:26

NLP Prompting for Text Classification（1）

NLPPromptingforTextClassificationUniFewLM-BFFUniFew号称是简单，没有现在普遍的定制的、通常是复杂的元学习算法，大量手动/自动工程文本prompt，训练样本的排序

西瓜次郎·2022-12-21 05:24

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

为了解决这个问题，我们引入了元学习设置，其中在现有KG上采样一组任务，以模拟新兴KG上的链接预测任务。

小蜗子·2022-12-21 04:36

元学习和机器学习的对比

目录引言机器学习元学习什么是元学习元学习的流程学习学习函数评价学习函数好坏迭代优化整体框架元学习和机器学习的对比定义的区别数据集划分的区别损失函数的区别两者之间的共通之处总结引言本篇博客是李宏毅老师元学习课程的笔记

卡拉比丘流形·2022-12-20 18:34

中学教学能用上python吗_初中Python教学的组织与实践

随着Python教学的兴起，山东初中信息技术教材（泰山版）2018年随即将Python纳入教学内容，其中，第1册用一个单元学习基础知识，第2册用一个单元学

weixin_39689506·2022-12-18 15:12

论文阅读笔记《Few-Shot Learning with Metric-Agnostic Conditional Embeddings》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种基于度量学习的小样本学习算法，思想上与RelationNetwork接近，没有明确定义一种度量方法，而是利用卷积神经网络学习并利用softmax

深视·2022-12-15 18:24

WorldS4 2020 | 联邦学习的个性化技术综述

目录前言摘要I.引言II.个性化需求III.方法A.添加用户上下文B.迁移学习C.多任务学习D.元学习E.知识蒸馏F.基础+个性化层G.全局模型和本地模型混合IV.总结前言题目：SurveyofPersonalizationTechniquesforFederatedLearning

Cyril_KI·2022-12-14 07:41

Meta-iKG Subgraph-aware Few-Shot Inductive Link Predictionvia Meta-Learning

在本文中，我们提出了一种新的基于子图的元学习器-Meta-iKG，用于少样本归纳关系推理。meta-ikg利用局部子图来传递子图特定的

小蜗子·2022-12-13 10:54

Dynamic Few-Shot Visual Learning without Forgetting||论文阅读

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

TBYourHero·2022-12-13 06:55

MAML（Model-Agnostic Meta-Learning）

Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks摘要MAML(Model_agnosticmeta-learning)元学习问题建立N-wayK-shot

weixin_40248634·2022-12-12 20:07

【元学习】Model-Agnostic Meta-Learning （MAML）模型介绍及算法详解

MAML在学术界已经是非常重要的模型了，论文Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks自2017年发表至今已经收获了400+的引用。由于当前网上关于MAML的中文介绍少之又少，可能很多小伙伴对其还不是特别理解。所以今天我整理了这段时间来的学习心得，与大家分享自己对MAML的认识与理解。MAML可以用于SupervisedRe

devil_son1234·2022-12-12 20:36

Model-Agnostic Meta-Learning (MAML) 理解

模型不可知元学习(Model-AgnosticMeta-Learning,MAML)的目标是使模型每次的梯度更新更有效、提升模型的学习效率、泛化能力等，它可以被看做一种对模型进行预训练的方法，适用于小样本学习

cnblogs.com/qizhou/·2022-12-12 20:35

小样本图像语义分割综述

这些小样本分割方法都是利用基于度量的元学习思想，根据其度量工具是否有需要学习的参数，本文将这些小样本分割方法分为两种类型：基于参数结构的小样本分割模型和基于原型结构的小样本分割模型。

是七叔呀·2022-12-11 16:15

李宏毅机器学习笔记——元学习Meta Learning

元学习MetaLearning：学习如何去学习。learntolearn.机器学习步骤总结第一步：第二步：第三步：元学习是什么输入训练资料，通过方法，进行训练。学习这个方法。

vincewm·2022-12-11 04:51

【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020

论文原文：https://arxiv.org/abs/2005.13713本文介绍了一种新的开集元学习算法（PEELER）算法，实验结果表明，PEELER在小样本和大规模识别方面都达到了最先进的开放集识别性能

努力学习滴兔兔·2022-12-10 19:43

Span 抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

王嘉宁、汪诚愚、谭传奇、邱明辉、黄松芳、黄俊、高明近日，阿里云机器学习平台PAI与华东师范大学高明教授团队、达摩院机器智能技术NLP团队合作在自然语言处理顶级会议EMNLP2022上发表基于Span和元学习的小样本实体识别算法

阿里云大数据AI技术·2022-12-10 18:36

Meta-DETR: Few-Shot Object Detection via Unified Image-Level Meta-Learning论文笔记

本文提出了Meta-DETR，它剔除了RPN，在图片级别利用元学习统一得到class和location，它首先将支持图像和查询图像编码为类别相关的特征，然后将它们输入与类别无关的解码器，以直接生成特定类别的预测

weixin_43981952·2022-12-10 18:32

Span抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

近日，阿里云机器学习平台PAI与华东师范大学高明教授团队、达摩院机器智能技术NLP团队合作在自然语言处理顶级会议EMNLP2022上发表基于Span和元学习的小样本实体识别算法SpanProto。

阿里云技术·2022-12-10 15:36

Span 抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

近日，阿里云机器学习平台PAI与华东师范大学高明教授团队、达摩院机器智能技术NLP团队合作在自然语言处理顶级会议EMNLP2022上发表基于Span和元学习的小样本实体识别算法SpanProto。

阿里云云栖号·2022-12-09 21:48

元学习：IVIF:输入不同分辨率，输出任意分辨率

DifferentInputResolutionsandArbitraryOutputResolution:AMetaLearning-BasedDeepFrameworkforInfraredandVisibleImageFusion（不同的输入分辨率和任意输出分辨率:基于元学习的红外和可见光图像融合深度框架

小郭同学要努力·2022-12-09 15:10

Few-shot learning（少样本学习，入门篇）

1.2元学习和传统有监督学习的区别是什么？

小学生mistluo·2022-12-09 02:19

【阅读笔记】Combat data shift in few-shot learning with knowledge graph

Abstract在元学习框架下设计了许多小样本学习方法，它从各种学习任务中学习并推广到新任务。这些元学习方法在所有样本都来自相同分布（i.i.d.观察）的情况下实现了预期的性能。

一只瓜皮呀·2022-12-08 19:09

小样本学习记录————利用所有数据的元学习Few-shot Text Classification with Distributional Signatures

小样本学习记录————利用所有数据的元学习Few-shotTextClassificationwithDistributionalSignatures在计算机视觉中，低水平的模式是可以跨学习任务迁移的。

云溪龙·2022-12-08 14:01

小样本学习记录————文本中特征空间的数据增强MEDA： Meta-Learning with Data Augmentation for Few-Shot Text Classification

Meta-LearningwithDataAugmentationforFew-ShotTextClassification出发点数据增强球合成器合成模块Synthesismodule转换模块Transformationmodule损失函数球生成器部分损失函数元学习损失训练策略实验数据集结语出发点对于小样本学习文本分类问题中

云溪龙·2022-12-08 14:01

小样本学习记录————在提取特征中对抗的小样本Meta-Learning Adversarial Domain Adaptation Network for Few-Shot（MLADA）

Meta-LearningAdversarialDomainAdaptationNetworkforFew-Shot（MLADA）Meta-LearningAdversarialDomainAdaptationNetworkforFew-Shot几篇经典文献元学习对抗性领域自适应网络

云溪龙·2022-12-08 14:31

元学习系列（四）：Matching Network（匹配网络）

对一个小孩子来说，只要你展示了一次斑马的样子，以后他就能指出什么是斑马了，整个学习的过程只有一个样本，但是对深度学习算法来说还远远达不到这种学习程度，所以研究如何通过小样本甚至一个样本进行学习，就成为了few-shot、one-shotlearning的目的。当然这里的小样本指的是某一类的样本比较小，比如要分辨猫狗鸡，可能鸡的样本只有几个，但是猫狗比较多，在这种情况下模型如何学习才能更好地分辨出鸡

JessssseYule·2022-12-08 14:24

推荐频道

元学习

狗都能看懂的Meta-SGD原理讲解和代码实现

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks相关

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)简析

元学习第一步：下载数据集（Omniglot）以及代码修正和详解

元学习与小样本学习 | (2) Few-shot Learning 综述

元学习方法介绍

SLAM十四讲课后习题解答

《神经网络与深度学习》-模型独立的学习方式

【文献阅读】不同工作条件下一种基于小样本元学习用于轴承故障诊断的新方法

【原型网络】Prototypical Networks for Few-shot Learning

LIST: LITE SELF-TRAINING MAKES EFFICIENT FEW-SHOT LEARNERS

基于元学习和人机协同的端到端对话模型

【论文笔记】Effective Policy Adjustment via Meta-Learning for Complex Manipulation Tasks

论文阅读 6 | Bayesian Meta-Learning for the Few-Shot Setting via Deep Kernels

论文阅读笔记《PARN: Position-Aware Relation Networks for Few-Shot Learning》

【小样本基础】异质图上的元学习模型：调参记录

元学习、迁移学习、对比学习、自监督学习与少样本学习的关系解读

元学习在小样本学习任务中的应用

【NeurIPS&&知识图谱】联邦环境下，基于元学习的图谱知识外推（阿里&浙大&含源码）

论文阅读笔记《Generating Classification Weights with GNN Denoising Autoencoders for Few-Shot Learning》

论文那些事—Meta Gradient Adversarial Attack

【论文阅读】APANet: Adaptive Prototypes Alignment Network for Few-Shot Semantic Segmentation

Learning to Compare: Relation Network for Few-Shot Learning||论文阅读

Learning to Compare: Relation Network for Few-Shot Learning 论文笔记

读论文：Learning to Compare: Relation Network for Few-Shot Learning

NLP Prompting for Text Classification（1）

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

元学习和机器学习的对比

中学教学能用上python吗_初中Python教学的组织与实践

论文阅读笔记《Few-Shot Learning with Metric-Agnostic Conditional Embeddings》

WorldS4 2020 | 联邦学习的个性化技术综述

Meta-iKG Subgraph-aware Few-Shot Inductive Link Predictionvia Meta-Learning

Dynamic Few-Shot Visual Learning without Forgetting||论文阅读

MAML（Model-Agnostic Meta-Learning）

【元学习】Model-Agnostic Meta-Learning （MAML）模型介绍及算法详解

Model-Agnostic Meta-Learning (MAML) 理解

小样本图像语义分割综述

李宏毅机器学习笔记——元学习Meta Learning

【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020

Span 抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

Meta-DETR: Few-Shot Object Detection via Unified Image-Level Meta-Learning论文笔记

Span抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

Span 抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

元学习：IVIF:输入不同分辨率，输出任意分辨率

Few-shot learning（少样本学习，入门篇）

【阅读笔记】Combat data shift in few-shot learning with knowledge graph

小样本学习记录————利用所有数据的元学习Few-shot Text Classification with Distributional Signatures

小样本学习记录————文本中特征空间的数据增强MEDA： Meta-Learning with Data Augmentation for Few-Shot Text Classification

小样本学习记录————在提取特征中对抗的小样本Meta-Learning Adversarial Domain Adaptation Network for Few-Shot（MLADA）

元学习系列（四）：Matching Network（匹配网络）